هوش مصنوعی به زودی یاد می‌گیرد مثل انسان فکر کند؟

پیوندِ روان‌شناسی یادگیری با هوش مصنوعی: یک دورنما

گره زدن مدل‌های یادگیری مبتنی بر روان‌شناسی با گونه‌های ویژه‌ای از هوش مصنوعی، می‌تواند سرآغازی برای تولد هوشی به فراگیریِ هوش انسانی باشد. این ادعای رابرت یوهانسون است که در رساله‌ی دکتری خود از دانشگاه لینشوپینگ، مفهوم «روان‌شناسی ماشینی» را بسط داده، و همچنین نشان داده است که چگونه می‌تواند به پیشرفت هوش مصنوعی یاری رساند.

چالش‌های هوش عام (AGI)

هوش عام مصنوعی (AGI) از دهه‌ی ۱۹۵۰ میلادی، به عنوان آرمان بزرگ پژوهش در حوزه‌ی هوش مصنوعی تلقی می‌شود. تاکنون، بشر نتوانسته هوش مصنوعی‌ای بسازد که بتواند وظایف ذهنی را به همان شیوه‌ای که انسان‌ها انجام می‌دهند، حل کند. اما برخی از دانشمندان معتقدند که این امر، شاید در پنج سال آینده محقق شود. یکی از این افراد، رابرت یوهانسون است که اخیراً از پایان‌نامه‌ی دکتری خود در رشته‌ی علوم کامپیوتر در دانشگاه لینشوپینگ دفاع کرده است.

با این حال، بر خلاف آن تصویرهای تیره و تاری که اغلب در فرهنگ عامه درباره‌ی AGI مطرح می‌شود، او باور دارد که این فناوری می‌تواند به نفع بشریت باشد. وی می‌گوید: «قطعاً، من به این موضوع اطمینان دارم! این فناوری همه چیز را زیر و رو خواهد کرد و صرفاً ادامه‌ای بر هوش مصنوعی معمولی نیست — بلکه یک چیز کاملاً متفاوت است. به نظرم AGI تأثیری گسترده بر جامعه خواهد داشت، به شیوه‌ای کاملاً متفاوت با هوش مصنوعی امروزی. شما می‌توانید انواع تازه‌ای از عوامل، مانند محققان یا روان‌شناسان مجازی را خلق کنید — اما این تازه اول راه است.»

چالش‌ها و فرصت‌ها

در عینِ حال، او چالش‌هایی را هم در مسیر توسعه‌ی این فناوری در دنیایِ آشفته‌ی کنونی می‌بیند. از AGI می‌توان برای اهداف گوناگونی بهره برد؛ مثلاً برای دامن زدن به تفرقه در جامعه. وی می‌گوید: «این فناوری‌ای است که واقعاً باید با احتیاط با آن برخورد کنیم. از سوی دیگر، به نظرم هوش عام مصنوعی می‌تواند در مقابله با بسیاری از روند‌های ویرانگر در جامعه کمک کند. شاید بتواند به ما، انسان‌ها، کمک کند تا تبدیل به موجوداتی مهربان‌تر شویم. من آمادگی دارم بپذیرم که AGI قادر است در این مسیر، ما را یاری دهد.»

موانع پیش‌روی توسعه‌ی AGI

اما ساختن یک هوش مصنوعی در سطح انسان، یک چالش بزرگ است. پژوهشگران گوناگون سعی می‌کنند با رویکردهای متفاوتی به این موضوع نزدیک شوند. بعضی معتقدند که مدل‌های زبانی بزرگ مانند ChatGPT، راه حل مناسبی هستند؛ در حالی که دیگران پیشنهاد می‌دهند که باید مغز را شبیه‌سازی کرد. مسیری که رابرت یوهانسون انتخاب کرده است، می‌تواند «بنیادی» نامیده شود.

یک نگرش نو در روان‌شناسی ماشینی

به این معنا که او تلاش کرده است تا اصول مهم یادگیری روان‌شناختی را شناسایی کند که می‌توانند توصیف‌کننده‌ی هوش باشند، و سپس، آن‌ها را در یک کامپیوتر پیاده‌سازی کند. او علاوه بر تحصیل در مقطع دکتری، به عنوان مدرس و محقق در روان‌شناسی بالینی در دانشگاه استکهلم فعالیت می‌کند و همچنین استادِ همکار این دانشگاه است. این پیشینه را در پایان‌نامه‌ی خود با عنوان «مطالعات تجربی در روان‌شناسی ماشینی» به کار گرفته است.

رابرت یوهانسون می‌گوید: «من از اصول روان‌شناسی یادگیری نوین برای نزدیک شدن به مقوله‌ی یادگیری، تفکر و هوش استفاده کرده‌ام. سپس از یک شکل ویژه‌ی هوش مصنوعی تطبیقی استفاده کردم که یک سیستم منطقی است و تلاش می‌کنم اصول روان‌شناسی یادگیری را در آن پیاده‌سازی نمایم.» او در حال حاضر در حال گذراندن دوره‌ی دکترای دوم خود است.

سیستم استدلال غیر-عکس‌العملی

این سیستم منطقی، با نام «سیستم استدلال غیر-عکس‌العملی» یا NARS شناخته می‌شود و به گونه‌ای طراحی شده است که بدون داشتن داده‌های کامل، با توان محاسباتی محدود و در زمانِ واقعی، عمل کند. این سیستم، انعطاف‌پذیری‌ای را فراهم می‌آورد که برای مواجهه با مشکلاتی که ممکن است در جهانِ واقع پیش بیاید، بسیار حیاتی است.

ترکیب NARS و اصول روان‌شناسی یادگیری، یک رویکرد میان‌رشته‌ای را شکل می‌دهد که رابرت یوهانسون آن را «روان‌شناسی ماشینی» می‌نامد. این مفهوم، برای نخستین بار مورد استفاده قرار گرفته است، اما اکنون بازیگران دیگری هم شروع به استفاده از آن کرده‌اند؛ از جمله گوگل دیپ‌مایند.

یادگیری از تجربه

این ایده وجود دارد که هوش مصنوعی باید از تجربیات گوناگونِ خود در طول عمرش یاد بگیرد و سپس، آن‌چه را که آموخته است در موقعیت‌های متفاوت به کار گیرد؛ درست همان‌طور که انسان‌ها از سن ۱۸ ماهگی شروع به انجام این کار می‌کنند – چیزی که هیچ حیوان دیگری قادر به انجام آن نیست.

رابرت یوهانسون می‌گوید: «اگر بتوانید این را در یک کامپیوتر پیاده‌سازی کنید، در واقع معماي هوش مصنوعی در سطح انسانی را حل کرده‌اید. و من فکر می‌کنم روان‌شناسی می‌تواند علمی حیاتی برای AGI باشد.» این‌که آیا بشریت طی پنج سال آینده، به آفرینش همتای هوشمند خود توفیق خواهد یافت یا نه، هنوز مشخص نیست. اما به گفته‌ی رابرت یوهانسون، جوانب بسیاری وجود دارد که پیش از رسیدن به این موفقیت باید در نظر گرفته شوند.

او ادامه می‌دهد: «ما در جامعه‌ای زندگی می‌کنیم با قوانین، اصول و ارزش‌های اخلاقی. ضروری است که درباره‌ی حقوق و مسئولیت‌های چنین موجوداتی موضع‌گیری کنیم. شاید AGI، صرفاً یک برنامه باشد که در مرورگرتان اجرا می‌کنید، اما من فکر می‌کنم اگر دارای آگاهی باشد، باز هم نوعی زندگی است.»

“`